TRANSFORMASI VARIABEL RANDOM DISKRIT

Slides:



Advertisements
Presentasi serupa
Universitas Muhammadiyah Prof. DR. Hamka (UHAMKA)
Advertisements

DISTRIBUSI MULTIVARIAT
DISTRIBUSI PROBABILITAS YANG UMUM
Oleh : Novita Cahya Mahendra
Gradien Oleh : Zainul Munawwir
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Metode Statistika II Pertemuan 2 Pengajar: Timbang Sirait
Distribusi Beta, t dan F.
Distribusi Chi Kuadrat, t dan F
TRIGONOMETRI Standar Kompetensi Kompetensi Dasar
PERPOTONGAN GARIS DAN POLIGON
Distribusi Peluang Diskrit
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
TURUNAN (DERIVATIF) FUNGSI SATU VARIABEL BEBAS
DISTRIBUSI PROBABILITAS
TRANSFORMASI PEUBAH ACAK
BAB 10 DISTRIBUSI TEORITIS
OPERASI SINYAL WAKTU DISKRIT dan KONVOLUSI SINYAL
Pendahuluan Landasan Teori.
Limit Distribusi.
BEBERAPA EKSPEKTASI KHUSUS
DISTRIBUSI PELUANG.
MODEL REGRESI LINIER GANDA
Distribusi Probabilitas
Bab 3 MATRIKS.
EKSPEKTASI DARI VARIABEL RANDOM
METODE PENELITIAN KUANTITATIF
DISTRIBUSI TEORETIS.
VEKTOR ► Vektor adalah besaran yang mempunyai
Distribusi Gamma dan Chi Square
FUNGSI PROBABILITAS Pertemuan ke 6.
Oleh : FITRI UTAMININGRUM, ST, MT
PERSAMAAN GARIS PROGRAM STUDI PENDIDIKAN MATEMATIKA Oleh Kelompok 4 :
DISTRIBUSI TEORETIS Tujuan :
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
TRANSFORMASI.
DISTRIBUSI PELUANG Pertemuan ke 5.
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
KOEFISIEN KORELASI.
DISTRIBUSI DARI FUNGSI VARIABEL RANDOM
DISTRIBUSI SAMPLING Pertemuan ke 10.
Sebaran Peluang bersyarat dan Kebebasan
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
Distribusi Variable Acak Kontinu
Pembangkit Random Variate
RANDOM VARIATE DISTRIBUSI DISKRIT
Random variate Distribusi Kontinu dan Diskrit
Distribusi Normal Arum Handini Primandari.
DISTRIBUSI TEORITIS.
BAB IV PEMBANGKIT RANDOM VARIATE
DISTRIBUSI PROBABILITAS
Distribusi Normal.
Random Variate Distribusi Kontinu dan Diskrit
Distribusi Probabilitas Uniform Diskrit
Variabel Acak dan Distribusi Probabilitas
Variansi, Kovariansi, dan Korelasi
DISTRIBUSI NORMAL.
Hipotesis dan Sampling
1.3 Distribusi Probabilitas Kontinu
HARGA HARAPAN.
Distribusi Variabel Acak Kontiyu
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
DISTRIBUSI PROBABILITAS YANG UMUM
Random Variate Distribusi Kontinu dan Diskrit
Distribusi Teoritis Variabel Acak Diskrit
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
DISTRIBUSI PROBABILITAS YANG UMUM
. Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses.
DISTRIBUSI NORMAL.
Transcript presentasi:

TRANSFORMASI VARIABEL RANDOM DISKRIT

Metode lain untuk menentukan distribusi dari fungsi 1 atau lebih variabel random disebut teknik perubahan variabel. Untuk variabel random diskrit , 1 variabel acak: Misalkan X variabel acak dengan pdf f(x) , Didefinisikan variabel acak baru Y=u(X), akan ditentukan pdf dari Y.

Langkah-langkah : Buat transformasi y = u(x) yang memetakan setiap anggota A ke B. Jika transformasinya 1-1 dari A ke B, maka ada transformasi invers dari B ke A (dalam hal ini inversnya x = w(y)).

Berarti, kejadian Y= y atau u(X) = y terjadi jika dan hanya jika kejadian X=w(y) terjadi. Jadi, Contoh: Misalkan X mempunyai pdf Tentukan distribusi dari Y = 4X.

Misalkan y = 4x, transformasi dari x ke y yang memetakan dari A ke Pemetaan dari A ke B adalah satu-satu, berarti jika y = 4x maka x = ¼ y adalah invers dari y = 4x. Jadi

Jadi,

Untuk variabel random diskrit, 2 variabel acak Misalkan f(x1,x2) adalah pdf bersama dari X1 dan X2, dengan A={(x1,x2)|f(x1,x2)>0}. Didefinisikan variabel acak baru , Akan ditentukan pdf dari dan

dan nol untuk yang lainnya. Langkah-langkah Misalkan menyatakan transformasi satu-satu yang memetakan A ke B . Maka transformasi inversnya adalah , yang memetakan ke A. Jadi, pdf bersama dari Y1 dan Y2 adalah : dan nol untuk yang lainnya. Pdf marjinal dari Y1 adalah :

Contoh: Misalkan dan variabel-variabel random yang saling bebas yang masing-masing mempunyai distribusi Poisson dengan mean dan , maka pdf bersama dari dan adalah : Misalkan , akan ditentukan distribusi dari

Akan ditentukan pdf dari dengan menggunakan teknik transformasi variabel. Dalam hal ini perlu didefinisikan variabel random supaya transformasinya satu-satu. didefiniskan sebagai fungsi dari X1 dan X2 yang sederhana, misalkan . Jadi transformasinya : yang merupakan transformasi 1-1 dari ke Transformasi inversnya :

Jadi, Pdf dari Y1 : Jadi Y1 berdistribusi Poisson dengan mean Teknik ini berlaku juga untuk 3 variabel random atau lebih.